[发明专利]一种基于概率模型的程序错误检测方法及系统

说明书

本发明公开了一种基于概率模型的程序错误检测方法及系统，该方法包括以下步骤：S1、获取概率模型和待检测程序，从待检测程序中提取待检测的函数调用序列集合；S2、获取单个待检测的函数调用序列，求解最相似的函数调用序列集合，并计算联合概率；S3、根据相似集合对该待检测序列进行检测并生成修复方案；S4、完成该待检测序列的检测和修复后，记录检测到的各个错误信息及修复方案；S5、对待检测集合中的所有待检测序列检测完毕后，输出程序错误报告。本发明无需处理概率模型转换到确定性模型时的阈值选择问题，能够快速的检测程序中的错误，且检测准确率高。

技术领域

本发明涉及程序验证领域，尤其涉及一种基于概率模型的程序错误检测方法及系统。

背景技术

API使用协议是说明库函数之间调用顺序的一种程序约束，其经常在库函数发布文档中被遗漏，进而使得软件开发人员因错误的API使用方式造成各种软件错误，例如：调用java.util.Stack类的peek()函数之前，必须先调用push()函数，否则程序会因为空栈而抛出EmptyStackException异常；又比如调用java.util.Iteration类的next()函数之前，应该先调用hasNext()，否则会导致NoSuchElementException异常。据统计，Eclipse错误仓库中至少包含115个与函数调用缺失相关的软件错误。不仅如此，根据API使用协议还能够检测出对象未正确初始化以及资源泄露等类型的错误。

当前，自动获得API使用协议的主要方法是从大量的API函数调用序列中，采用序列数据挖掘方法归纳出函数调用的序列模式。其中，采用概率模型进行API使用协议挖掘的方法具有广泛应用的前景。其原理是：采用程序静态分析或动态分析技术从客户端程序中提取大量的函数调用序列，然后从函数调用序列中归纳出采用概率自动机或马尔科夫模型等概率模型表示的API使用协议。与有限自动机等确定性模型相比，概率模型具有固有的抗噪能力，有望获得更高准确度的API使用协议。API使用协议的一个主要应用领域是程序错误检测。当前，基于概率模型API使用协议进行程序验证的主要方法是将概率模型转换为有限自动机等确定性模型，然后采用相应的方法进行错误检测。该方法存在的主要问题是选择理想的概率阈值将概率模型转换为确定性模型是一项困难的工作。不合适的概率阈值会损失API使用协议的精度，从而降低程序错误检测的准确性。

发明内容

本发明要解决的技术问题在于针对现有技术中程序错误检测中概率阈值难以确定的缺陷，提供一种无需确定概率阈值，且检测准确率高的基于概率模型的程序错误检测方法及系统。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种基于概率模型的程序错误检测方法，包括以下步骤：

S1、获取概率模型和待检测程序，从待检测程序中提取待检测的函数调用序列集合，记作待检测集合；

S2、从待检测集合中获取单个待检测的函数调用序列，记作待检测序列，求解概率模型中与该待检测序列最相似的函数调用序列集合，记作相似集合；并计算相似集合中各函数调用序列在概率模型中的联合概率；

S3、根据相似集合对该待检测序列进行检测并生成修复方案，相似集合中每一条函数调用序列对应一个错误报告，所有错误报告构成一个错误报告组，组内错误报告按照函数调用序列的联合概率降序排列；

S4、完成该待检测序列的检测和修复后，记录检测到的各个错误信息及修复方案，包括：错误的函数调用名称、错误产生的位置；

S5、对待检测集合中的所有待检测序列检测完毕后，输出程序错误报告。

进一步地，本发明的步骤S1中的概率模型为API使用协议库，该概率模型由人为给出，或采用自动化方法从程序中获得。

进一步地，本发明的步骤S2中的根据概率模型A验证单个待检测的函数调用序列q的正确性，其具体方法为：